Egyetemi felvételi. Vesecsere program Stabil szobatárs probléma. Sziklai Balázs. ELTEcon

Átírás

1 ELTEcon

2 1 Egyetemi felvételi Párosítási probléma Gale-Shapley algoritmus 2 Házallokációs probléma Népszerű elosztások 3 4

3 Házasítási probléma I. Párosítási probléma Gale-Shapley algoritmus Házasítási probléma Adott n férfi és n nő, akiket össze kell házasítani. Minden férfi és nő felálĺıtott egy rangsort a másik nembeliekről. Cél egy olyan teljes párosítás létrehozása, amely mindenkinek megfelel.

4 Házasítási probléma II. Párosítási probléma Gale-Shapley algoritmus Definíció A férfiak halmazát jelölje M, a nőkét W, egy adott párosítást pedig a µ betű. Egy (m, w) párt (m M, w W ) blokkoló párnak nevezünk, ha az m párja a µ párosításban w, a w párja pedig m és mindketten preferálják egymást a jelenlegi párjukhoz képest. Egy párosítást stabilnak nevezünk, ha nem létezik blokkoló pár. További jelölések Legyen a M W egy tetszőleges nő, vagy férfi. Az a személy másik nemen vett rendezését a -val jelöljük, a párját pedig µ(a)-val.

5 A Gale-Shapley algoritmus Párosítási probléma Gale-Shapley algoritmus Késleltetett elfogadási algoritmus (lánykérő változat) 1 Minden fiú megkéri a preferencialistáján szereplő első lány kezét. 2 A lányok az őket felkérő fiúk közül a legjobban tetszőnek azt mondják talán a többit elutasítják. 3 Azok a fiúk, akiket elutasítottak megkérik a listájukon szereplő második lány kezét. 4 Ha egy lány a második körben jobb ajánlatot kapott, akkor elküldi az eddig talonban tartott fiút és az újnak mondja azt, hogy talán. 5 A második körben elutasított fiúk tovább folytatják a lánykérést... Az algoritmus leáll, ha már minden fiú megállapodott. A lányok ekkor elkötelezik magukat.

6 Házasítási probléma III. Párosítási probléma Gale-Shapley algoritmus Tétel [Gale, Shapley 1962] Tetszőleges G = (M, W, E) páros gráfban létezik stabil párosítás. Ha M = W = n, és E a teljes páros gráf, akkor létezik teljes, vagyis n méretű stabil párosítás. Bizonyítás A lánykérő algoritmussal.

7 Feladat Egyetemi felvételi Párosítási probléma Gale-Shapley algoritmus Feladat Alkalmazzuk a Gale-Shapley késleltetett elfogadási algoritmusát!

8 Házasítási probléma IV. Párosítási probléma Gale-Shapley algoritmus Tétel Legyen ν és µ két stabil párosítás. Ha az a M W személynek a ν-ben nem jutott pár, akkor µ-ben sem fog jutni.

9 Feladat Egyetemi felvételi Párosítási probléma Gale-Shapley algoritmus Név Preferenciasorrend Név Preferenciasorrend Anna G H Endre D A B C Bea G F E H Ferenc D C A B Csilla G H E F Gábor D C B A Dóri H G Henrik B A C Feladat Alkalmazzuk a lánykérő algoritmust, majd a fordítottját a legénykérő algoritmust! Mit veszünk észre?

10 Feladat Egyetemi felvételi Párosítási probléma Gale-Shapley algoritmus Lánykérés eredménye Név Preferenciasorrend Név Preferenciasorrend Anna G H Endre D A B C Bea G F E H Ferenc D C A B Csilla G H E F Gábor D C B A Dóri H G Henrik B A C

11 Feladat Egyetemi felvételi Párosítási probléma Gale-Shapley algoritmus Legénykérés eredménye Név Preferenciasorrend Név Preferenciasorrend Anna G H Endre D A B C Bea G F E H Ferenc D C A B Csilla G H E F Gábor D C B A Dóri H G Henrik B A C

12 Házasítási probléma V. Párosítási probléma Gale-Shapley algoritmus Definíció Azt mondjuk, hogy a µ párosítás a fiúk szempontjából dominálja a ν párosítást, ha minden m M fiúra µ(m) m ν(m). Egy µ stabil párosítás fiúoptimális, ha a fiúk szempontjábol dominál minden más ν stabil párosítást. Tétel A lánykérő algoritmus fiúoptimális stabil párosítást ad, a legénykérő algoritmus pedig lányoptimálisat.

13 Házasítási probléma VI. Párosítási probléma Gale-Shapley algoritmus Definíció Egy mechanizmust taktikázásbiztosnak mondunk, ha taktikailag nem manipulálható, azaz mindenkinek megéri az igazi preferenciáit közölni (megint másképpen: az igazmondás domináns stratégia). Tétel A lánykérő algoritmus a fiúk szempontjából taktikázásbiztos.

14 Házasítási probléma változatok Párosítási probléma Gale-Shapley algoritmus A probléma változatai Zárójelben a felmerülő nehezségek. Egyetemi felvételi (kapacitások, közös kvóták) Rezidens felvételi (párok együttes jelentkezése) Nem szigorú preferencialisták (több stabilitásfogalom) Nem teljes preferencialisták (maximális párosítás megkeresése)

15 Rezidens felvételi Egyetemi felvételi Párosítási probléma Gale-Shapley algoritmus A probléma leírása A rezidensek kórházakhoz való beosztása a Gale-Shapley algoritmus szerint történik. Fiatal házasoknak gondot okoz, ha egymástól távol kapnak állást. Ezért felmerült az igény, hogy párok közös jelentkezéseket adhassanak le. Sajnos amint a következő példa mutatja, ekkor már nem feltétlelnül létezik stabil párosítás és már a kérdésnek az eldöntése is NP-teljes.

16 Példa Egyetemi felvételi Párosítási probléma Gale-Shapley algoritmus Jelentkezők: Éva Aĺız és Bob 1. hely Queens (Queens, Memorial) 2. hely Memorial Queens sorrendje: Aĺız, Éva Memorial sorrendje: Éva, Bob

17 Házallokáció I. Egyetemi felvételi Házallokációs probléma Népszerű elosztások Házallokációs probléma Adott n egyén, akiknek mind van egy vagyontárgya, mondjuk egy háza. Nem mindenki elégedett a sajátjával, szívesen elcserélné, ha jobbat kapna helyette. Mindenkinek van egy teljes preferenciarendezése a házakról. A cél a házaknak egy olyan újraosztása, amely mindenkinek a megelégedésére szolgál.

18 Házallokáció II. Egyetemi felvételi Házallokációs probléma Népszerű elosztások Jelölések A háztulajdonosok halmazát jelölje N. Egy újraelosztás nem más, mint a házaknak egy permutációja. Az elosztások halmazát jelölje A egy konkrét elosztást pedig a. Minden elosztásról feltesszük, hogy a i a j, ha i j, minden i, j N-re, azaz egy házat csak egy ember kap meg. Az viszont lehetséges, hogy a i = i, azaz az i. háztulajdonos az újraosztás során a saját házát kapta meg. Minden S N koaĺıcióra, jelölje A(S) azon elosztások halmazát, amelyeknél S tagjai egymás között cseréltek házat, azaz A(S) = {h A h i S, i S}.

19 Házallokáció III. Egyetemi felvételi Házallokációs probléma Népszerű elosztások Definíció Egy adott a elosztásra nézve S blokkoló koaĺıció, ha létezik olyan h A(S) elosztás, amellyel S tagjai legalább olyan jól járnak mint a-val és legalább egy S-beli szigorúan jobban jár. Jelentése: Ha S kilépne az elosztásból, akkor az S-beliek maguk között el tudnák osztani a házakat úgy, hogy mindenki jobban járna, ezért az a elosztás nem stabil. Azon elosztások halmazát, amelyekre nézve nem létezik blokkoló koaĺıció, az újraelosztási feladat magjának nevezzük.

20 Felső körcsere algoritmus (TTC) Házallokációs probléma Népszerű elosztások Top trading cycles 1 Ábrázoljuk az N halmazt egy n csúcsú gráffal. 2 Húzzunk be irányított éleket i és j csúcsok között, ha az i-edik egyén preferenciarendezésében a j. ház van legelöl. 3 Ekkor egy olyan gráfot kapunk, amelyben minden csúcs kifoka 1. Az ilyen gráfokban van legalább egy irányított kör. 4 Az irányított kör(ök) mentén cseréljük ki a házakat. Mindenki azt a házat kapja meg, amelybe az irányított él mutat. 5 Jelölje N 1 azoknak a tulajdonosoknak a halmazát, akik házat cseréltek. Iteráljuk az itt leírt eljárást az N N 1 halmazon, úgy hogy az N 1 -beli házakat minden preferenciarendezésből töröljük.

21 Házallokáció IV. Egyetemi felvételi Házallokációs probléma Népszerű elosztások Tétel [Shapley, Scarf, Gale 1974] Az újraelosztási feladat magja pontosan egy elosztásbóláll, abból, amelyet a felső körcsere algoritmus szolgáltat. Tétel [Roth 1982] A felső körcsere algoritmus taktikázásbiztos.

22 Népszerű elosztások Egyetemi felvételi Házallokációs probléma Népszerű elosztások Definíció A házak egy a újraelosztását népszerűnek mondjuk, ha nincs olyan a elosztás, amelyet több tulajdonos részesít előnyben mint a-t. Népszerű elosztás nem feltétlenül létezik, lásd pl. az alábbi példát: 1: h 1 h 2 h 3 2: h 1 h 2 h 3 3: h 1 h 2 h 3

23 Feladat Egyetemi felvételi Házallokációs probléma Népszerű elosztások Találjunk két különböző méretű népszerű elosztást! 1: h 1 h 4 2: h 2 h 5 3: h 3 h 4 h 6 4: h 1 5: h 2 6: h 3

24 I. Veseelégtelenség kezelése Diaĺızis Transzplantáció A családon belüli szervátültetés sokszor lehetetlen a vércsoport, vagy a szövettípus különbözősége miatt. A balesetben elhunyt személyektől származó szerv kevés sokéves várólista.

25 II. Megoldás A donorok és betegek megfelelő párosításával, a veséket szó szerint körbeadva, mindenki jól jár. Az eljárás azonban számos kérdést felvet: Jogi szabályozás (pl. önkéntesség kérdése) Donorok névtelensége A műtéteknek egyszerre kell lezajlania, nehogy az egyik donor közben meggondolja magát.

26 III. A cserék hossza Hosszabb cserék több életet mentenek meg, de a kockázat is sokkal nagyobb. A donorok névtelensége miatt a műtétekre sokszor nem is egy városban kerül sor (szálĺıtási és szervezési nehézségek). Az első hatos (!) cserét 2008 áprilisában hajtották végre az Egyesült Államokban. Máshol pl. Angliában azonban maximum hármas cseréket engednek meg.

27 IV. További szempontok Önkéntes vesedonorok hosszú dominószerű cseréket tudnak elindítani. Kórházak sokszor visszatartják a legkompatibilisebb betegeiket. Ez megoldható úgy, hogy a kórházakat érdekeltté tesszük a cserében, vagy törvényi szabályozás útján (az Egyesült Királyságban pl. kötelező részt venni a programban).

28 A probléma leírása A kollégiumba szeretnénk 2n számú diákot beköltöztetni. Egy szobában ketten férnek el. Minden diáknak van egy szigorú preferenciasorrendje arról, hogy kivel szeretne összeköltözni. Kérés lehetséges-e a diákokat stabil módon párosítani? Megjegyzés A probléma annyiban tér el a stabil házasítástól, hogy nem páros, hanem teljes gárfon dolgozunk.

29 Ahogy a következő példa mutatja ebben az esetben már nem biztos, hogy létezik stabil párosítás! Egyén Preferencia 1: : : : tetszőleges

30 A TEX megalkotója Donald Knuth (1938- )

31 Irving algoritmusa Első fázis Ha x ajánlatot kap egy y személytől a) elutasítja, ha egy általa jobban kedvelt egyén ajánlatát őrzi, b) különben megtartja, és ezzel egyidőben elutasítja a korábban esetleg neki tett (rosszabb) ajánlatot. Az egyének a preferencialistájukon lévő sorrendben ajánlatot tesznek a többieknek. Ha valaki ideiglenesen elfogadja az ajánlatukat megállnak. Ha bármikor visszautasítást kapnak folytatják az ajánlattevést, amíg a preferencialistájuk végére nem érnek.

32 Irving algoritmusa Példa az első fázisra: Egyén Preferencia 1: : : : : :

33 Irving algoritmusa Példa az első fázisra: Egyén Preferencia 1: : : : : : es ajánlatot tesz a 4-esnek, 4-es megőrzi és a jövőben elutasít minden ennél rosszabb ajánlatot.

34 Irving algoritmusa Példa az első fázisra: Egyén Preferencia 1: : : : : : es ajánlatot tesz a 6-osnak, 6-os megőrzi és a jövőben elutasít minden ennél rosszabb ajánlatot.

35 Irving algoritmusa Példa az első fázisra: Egyén Preferencia 1: : : : : : as ajánlatot tesz a 4-esnek, 4-es elutasítja, hiszen már van jobb ajánlata.

36 Irving algoritmusa Példa az első fázisra: Egyén Preferencia 1: : : : : : as ajánlatot tesz az 5-ösnek, 5-ös megőrzi és a jövőben elutasít minden ennél rosszabb ajánlatot.

37 Irving algoritmusa Példa az első fázisra: Egyén Preferencia 1: : : : : : es ajánlatot tesz a 2-esnek, 2-es megőrzi és a jövőben elutasít minden ennél rosszabb ajánlatot.

38 Irving algoritmusa Példa az első fázisra: Egyén Preferencia 1: : : : : : ös ajánlatot tesz a 4-esnek, 4-es megőrzi és elutasítja korábbi (ennél rosszabb) ajánlatát.

39 Irving algoritmusa Példa az első fázisra: Egyén Preferencia 1: : : : : : es ajánlatot tesz a 6-osnek, 6-es megőrzi és a jövőben elutasít minden ennél rosszabb ajánlatot.

40 Irving algoritmusa Példa az első fázisra: Egyén Preferencia 1: : : : : : es ajánlatot tesz a 3-asnek, 3-as megőrzi és a jövőben elutasít minden ennél rosszabb ajánlatot.

41 Irving algoritmusa Példa az első fázisra: Egyén Preferencia 1: : : : : : os ajánlatot tesz az 5-ösnek, 5-ös elutasítja, hiszen már van jobb ajánlata.

42 Irving algoritmusa Példa az első fázisra: Egyén Preferencia 1: : : : : : os ajánlatot tesz az 1-esnek, 1-es megőrzi és a jövőben elutasít minden ennél rosszabb ajánlatot.

43 Irving algoritmusa Első fázis Az első fázis kétféleképpen érhet véget: ha minden ember kapott valakitől ajánlatot, vagy ha egy egyént mindenki elutasít. A második esetben nem létezik stabil párosítás (miért?). Lemma Ha az algoritmus során y elutasítja x-et, akkor x és y nem állhatnak párban egyetlen stabil párosításban sem.

44 Irving algoritmusa Következmények Ha az algoritmus során x ajánlatot tesz y-nak, akkor egy stabil párosításban x-nek nem lehet jobb partnere y-nál, y-nak nem lehet rosszabb partnere x-nél. Következmények Ha az első fázis végén van valaki, akit mindenki más elutasított, akkor nem létezik stabil párosítás.

45 Irving algoritmusa Következmények Ha az első fázis úgy fejeződik be, hogy mindenki őriz valakitől ajánlatot, akkor preferencialistákat egyszerűsíteni lehet. Ha y éppen x ajánlatát őrzi, akkor y listájáról potenciális partnerei közül törölhetőek azok, akiket x-nél kevésbé kedvel, vagy akik őriznek egy ajánlatot olyasvalakitől, akit y-nál jobban kedvelnek.

46 Irving algoritmusa Következmények Ha a fentieket végrehajtjuk, akkor y első lesz x listáján, x pedig utolsó y-én. általánosságban, ha a szerepel b listáján, akkor b is szerepel a-én. Lemma Ha az egyszerűsítés után minden lista csak egy személyt tartalmaz, akkor egy stabil párosítást kaptunk.

47 Irving algoritmusa Az egyszerűsítés után: Egyén Preferencia 1: 6 2: : 5 2 4: 2 5 5: : 1

48 Irving algoritmusa Legyen a 1,..., a r a diákoknak egy csoportja, amelyre igaz a következő Egyén Preferencia a 1 b 1 b 2... a 2 b 2 b a r b r b 1...

49 Irving algoritmusa Tétel Legyen a 1,..., a r a fenti feltételeknek eleget tevő diákcsoport. Ekkor bármely stabil párosítás esetén a i és b i vagy minden i-re partnerek, vagy egyikre sem. ha létezik olyan párosítás, amelyben a i és b i partnerek minden i-re, akkor olyan is létezik, amelyikben nem.

50 Irving algoritmusa Második fázis A tétel következményeképp, ha létezik stabil párosítás, akkor olyan stabil párosítás is van, amelyben b i minden i-re elutasítja a i -t. Ekkor a i ajánlatot tesz b i+1 -nek és b i+1 listájáról törölhetünk minden a i -nél rosszabb jelentkezőt. Ezzel egy időben b i+1 -et is törölhetjük ezeknek a jelentkezőknek a listájáról. A második fázist addig ismételjük, amíg minden diák listáján csak egy személy nem szerepel. Ekkor stabil párosításhoz jutottunk. Ha valamelyik diák preferencialistája kiürül, akkor nem létezik stabil párosítás.

51 Irving algoritmusa A második fázisban a 2-es elutasítja a 4-est, az 5-ös pedig a 3-ast. Egyén Preferencia 1: 6 2: : 5 2 4: 2 5 5: : 1

52 Irving algoritmusa Így kialakulnak a végső párosítások: 1 6, 2 3, 4 5. Egyén Preferencia 1: 6 2: : 5 2 4: 2 5 5: : 1

53 Feladat Egyetemi felvételi Létezik-e stabil párosítás az alábbi példában? Egyén Preferencia 1: : : : : :

54 Tan tétele Egyetemi felvételi Tétel Stabil fél-párosítás mindig létezik. Nézzük meg újra a kiinduló példánkat! Egyén Preferencia A: B C D B: C A D C: A B D D: tetszőleges Anna, Bea, Cettina és Dóri teniszpartnert keres egy órára. Tudjuk, hogy stabil párosítás nem létezik. Ugyanakkor ha Anna, Bea és Cetti fél-fél órát játszanak egymással, Dórit pedig kihagyják, akkor stabil fél-párosítást kapunk!